• Aucun résultat trouvé

Mod`ele math´ematique du microcr´edit : prˆet individuel et prˆet group´e

N/A
N/A
Protected

Academic year: 2022

Partager "Mod`ele math´ematique du microcr´edit : prˆet individuel et prˆet group´e"

Copied!
18
0
0

Texte intégral

(1)

Mod`ele math´ematique du microcr´edit : prˆet individuel et prˆet group´e

Osman KHODR, Francine DIENER Laboratoire de math´ematiques J.A.D, Nice

Colloque ”Jeunes Probabilistes et Statiticiens”

Mont-Dore, 3-7 Mai 2010

(2)

Descriptions de l’activit´e de microcr´edit

I L’activit´e de microcr´edit.

I En 1976, la Cr´eation de la Grameen Bank en Bangladesh par Pr. Yunus.

I Les nations unies ont d´ecr´et´e 2005 comme l’ann´ee internationale du microcr´edit.

I Octobre 2006, la mise en place de ce syst`eme a ´et´e r´ecompens´e par le prix Nobel de la paix attribu´e conjointement au Pr. Yunus et `a la Grameen Bank.

(3)

R´ef´erences

I Tedeschi, Gwendolyn Alexander. 2006. Here today, gone tomorrow : Can dynamic incentives make microfinance more flexible ? Journal of Development Economics, 80(1), pp.

84-105.

I Joseph E. Stiglitz. Peer monitoring and credit markets. World Bank Economic Review, 4(3) : 351-366, September 1990.

I Ghatak, Maitreesh (1999) Group lending, local information and peer selection. Journal of development economics, 60 (1).

pp. 27-50. ISSN 0304-3878.

(4)

Mod`ele du prˆet individuel

I Avoir un prˆet pour investir dans un projet.

I Redevenir b´en´eficiaire en cas de r´eussite et de remboursement.

I Etre exclu d’emprunt pour au moins T p´eriodes en cas d’´echec.

E

T 1

E

1

E E

1−α

E

α 1−γ

γ

B

T−1 i−1 i 1

(5)

Mod`ele

Matrice de transition :

M =











α 1−α 0 0 · · · 0 0 0 0 1 0 · · · 0 0 0 0 0 1 · · · 0 0 ... ... . .. ... 0 0 0 0 · · · 1 0 0 0 0 0 · · · 0 1 γ 0 0 0 · · · 0 1−γ











(6)

Distribution stationnaire

Proposition

Quelque soit la distribution initiale, la dynamique Markovienne tend vers une distribution stationnaire :

γ

β(1,1−α,· · · ,1−α,1−α γ ), avec

β =γ+ (1−α)(1 +γ(T−1))

(7)

Calcul du profit futur esp´er´e

Le profit d’une ´etape est d´efini par : f1(Xt−1,Xt) =

(

w (1 +r) si (Xt−1,Xt) = (B,B)

0 sinon

Le profit futur esp´er´e `a partir d’un instants est : Vs1(Xs) =E¡

Σt=s+1δt−s−1f1(Xt−1,Xt)| Fs¢

(8)

Calcul du profit futur esp´er´e

Th´eor`eme

Pour s>0, le profit futur total esp´er´e Vs1 `a partir de l’instant s, pour Xs =x, est donn´e par :

Vs1(x) =



V01 si x =B

γδi

1−δ(1−γ)V01 si x =Ei, i = 1,· · ·,T avec

V01 = α(w (1 +r)) 1−αδ− 1−δ(1−γ)1−α γδT+1

(9)

Calcul d’un contrat optimal (r , T )

On cherche un contrat optimal (r,T) qui maximise le profit sous les contraintes :

I Contrainte de participation :

w 1 +r

I Contrainte de recouvrement de prˆet :

α(1 +r)≥1 +z

I Contrainte d’empˆechement de la strat´egie de d´efaut : w−(1 +r) +δVs1(B)≥w +δVs1(ET)

(10)

Contrat optimal

I Taux d’int´erˆet optimal

r = 1 +z α 1

I La dur´ee d’exclusion dans le cas w (1 +r

αδ , 1 +r αδ(1−γ)) T= 1

ln(δ)ln

µ[1−δ(1−γ)][αδw−(1 +r)]

γ[αw (1 +r)]

1

(11)

Prˆet group´e : comment ¸ca marche ?

Groupe de deux personnes (X,Y).

I Les deux personnes r´eussissent et seront b´en´eficiaires.

I Les deux personnes ´echouent et seront exclues au moins deT2 p´eriodes.

I Une gagne et l’autre perd, alors le gagnant reste b´en´eficiaire s’il rembourse la totalit´e de son prˆet ainsi qu’une somme q repr´esentant la responsabilit´e jointe, tandis que le perdant sera exclu pour au moinsT1 p´eriodes.

(12)

Repr´esentation en chaine de Markov

L’etat d’un participant

E E E

T

E

T2 T−12 1

B

1

1

B

2

α(1−α)

α(1−α)

α(1−α)

α(1−α) (1−α)

(1−α) α

α

1−γ

γ

2 2

2

2

1 1

1

... ...

(13)

Distribution stationnaire

Proposition

La dynamique de Markov tend vers une distribution stationnaire : γ

β0( 1 +α 1 + 2α, α

1 + 2α,(1−α)2,· · ·,(1−α)2,(1−α)2 γ ), avec

β0=γ+ (1−α)2(1 +γ(T22))

Proposition

A l’equilibre, la proportion de b´en´eficiaires est plus importante dans le cas group´e que dans le cas individuel.

(14)

Profit total esp´er´e d’un participant `a un groupe

Th´eor`eme

Le profit futur total esp´er´e Vs2, `a l’instant s, d’un participant `a un prˆet group´e est donn´e par :

Vs2(x) =



V02 pour x ∈ {B1,B2} δiγ

1−δ(1−γ)V02 pour x =Ei, i = 1,· · · ,T2 o`u

V02 = α[w−(1 +r)(1−α)q]

1−αδ−1−δ(1−γ)1−α γ[αδT1+1+ (1−α)δT2+1]

(15)

Calcul d’un contrat optimal (r , q, T

1

, T

2

)

On cherche un contrat optimal (r,q,T1,T2) qui maximise le profit sous les contraintes :

I Contrainte de participation :

w 1 +r+ (1−α)q

I Contrainte de recouvrement du coˆut de prˆet :

α(1 +r) +α(1−α)q 1 +z

I Contraintes d’empˆechement des strat´egies de d´efaut : w−(1 +r) +δVs2(B)≥w +δVs2(ET1) w (1 +r+q) +δVs2(B)≥w+δVs2(ET)

(16)

Application

α(1 +r) +α(1−α)q = 1 +z, et T1(q) =T2(11+rq )

(17)

Application

Fig.:Les contraintes comme fonctions deq

(18)

Conclusion

I Le cas individuel n’est autre que le cas group´e pourq = 0.

I A l’equilibre, la proportion de b´en´eficiaires dans le cas group´e est plus grande que dans le cas individuel.

I L’IMF peut pratiquer un taux d’int´erˆet plus bas dans le cas group´e que dans le cas individuel.

I Le profit esp´er´e est plus important pour un individu participant au prˆet group´e.

Références

Documents relatifs

`a ce que le texte que vous ´ecrivez y r´eponde explicitement (par exemple : le correcteur ne doit pas avoir `a conclure lui-mˆeme).. Quand il est n´ecessaire de justifier,

Pour chacune des affirmations suivantes, cochez la case ad´equate selon que vous pensez qu’elle est vraie ou fausse.. Justifiez par un bref argument ou

On va commencer par essayer de comprendre quelle informa- tion g´ eom´ etrique est port´ ee par la fonction de Green, puis voir que cette information g´ eom´ etrique continue ` a ˆ

1 Generalized variational principle for water waves Models in shallow water.. Models in

I Nous allons utiliser ces propri´ et´ es ` a maintes reprises pour trouver d’autres propri´ et´ es de l’estimateur MCO.. I Plusieurs de ces propri´ et´ es d´ ependent du fait

Si on suppose une variance ´egale des deux variables al´eatoires, et en plus on est prˆet `a supposer la normalit´e des deux populations, on peut utiliser un estimateur de

Cette approche pr´esente deux difficult´es num´eriques majeures : suivre avec pr´ecision l’´evolution de l’interface solide-liquide et r´esoudre efficacement la convection

Figure 2.7 – Interf´ erence et diffraction : chaque fente donne naissance ` a une ph´ enom` ene de diffraction et la lumi` ere provenant des deux sources interf` erent.. Figure 2.8